一种冲压件坯料轮廓偏移判定成形缺陷的智能检测方法技术

本发明专利技术公开了一种冲压件坯料轮廓偏移判定成形缺陷的智能检测方法，属于板材成形质量检测领域，本发明专利技术通过有限元模拟冲压过程获取得到有缺陷状态和无缺陷状态坯料轮廓特征点偏移量，通过人工标注缺陷类型后获得训练数据集、验证数据集，据此构建BP神经网络模型训练得到缺陷检测模型。冲压现场，采用激光测距测量实际冲压后坯料轮廓特征点沿材料流入方向的偏移量，输入BP神经网络缺陷检测模型，输出缺陷判断结果。本发明专利技术方法极大地缓解了目前冲压成形质量检测的人工依赖性，具有检测效率高、准确性高、成本低的优点。成本低的优点。成本低的优点。

【技术实现步骤摘要】
一种冲压件坯料轮廓偏移判定成形缺陷的智能检测方法


[0001]本专利技术属于合金板材成形质量检测领域，具体涉及一种冲压件坯料轮廓偏移判定成形缺陷的智能检测方法。

技术介绍

[0002]汽车的生产过程中，约有60％～70％的零部件是冲压件，如汽车引擎盖板，车架，汽车支撑件，钣金件等。这些零件对冲压成形技术精密性等要求高，质量要求严格。各种相关材料属性、工艺参数、模具结构及其有关参数的变化都会影响冲压成形质量。冲压件制造工艺水平不高可能会带来一系列问题，如破裂、起皱、表面擦伤、压凹痕、塌陷、暗坑、凸包、冲击线、滑移线、回弹、翘曲等缺陷。如果冲压件表面存在缺陷，最终成品的尺寸会发生偏差，并导致不同的电磁特性，最终产品的涂镀效果也会受到影响。
[0003]高效、准确的缺陷检测方法是得到高质量冲压产品的关键，只有在生产过程中，能够实时的反馈出冲压件的缺陷信息，才能够通过及时调整冲压参数避免产生大批量的缺陷件。国内制造企业对于检测产品质量，大多依靠专业的检测人员对产品进行检测。检测人员通过训练和对于不同缺陷的认知，对冲压产品进行依次检测。但人工检测本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种冲压件坯料轮廓偏移判定成形缺陷的智能检测方法，包括以下步骤：A、构建坯料轮廓特征点偏移量数据集；1)利用有限元软件进行若干次冲压仿真模拟；模拟出冲压过程中的各种缺陷和无缺陷的情况，所述缺陷包括：破裂、起皱、表面擦伤、压/凹痕、塌陷、暗坑、凸包、翘曲和回弹；分别输出模具完全闭合时对应各种情况的坯料轮廓线；2)沿原始坯料轮廓布置若干个特征点，测量特征点沿材料流入方向的偏移量；所述偏移量为冲压前后坯料轮廓沿材料流入方向的距离差值，所述特征点的选取规则如下：沿轮廓四周均布，并依据材料流入量均匀程度增减，即在流入量变化大的区域增加其设置数量；3)借助CAD软件，计算有限元模拟出的无缺陷及各种缺陷情况下冲压件坯料轮廓与原始坯料轮廓的各个特征点的偏移量；4)根据模拟后冲压结果手动标注正常和缺陷类型，将各个数据样本的各特征点偏移量及缺陷类型，保存呈数据集格式，随机分成训练数据集、验证数据集和测试数据；B、构建BP神经网络模型；所述BP神经网络包含3部分：输入层、二层隐藏层以及输出层；输入层输入坯料轮廓特征点距离偏差值，输出层输出分类标签，类型包括：正常、破裂、起皱、表面擦伤、压/凹痕、塌陷、暗坑、凸包、翘曲和回弹；神经元激活函数选用线性修正单元ReLU，其公式为：f(x)＝max(0,x)其中，x为神经元的输入。输出层激活函数为Softmax分类器，将冲压缺陷输出结果转化为概率值，其计算公式如下：其中，a
i
表示输入Softmax分类器的向量的第i个值；y
i
表示输出结果y的第i个值，即，输入样本预测为属于类别i的概率；a
j
表示输入Softmax分类器的向量的第j个值，T表示缺陷类别数。通过网络模型的前向传播过程计算结果，利用反向传播及梯度下降算法对网络参数进行优化；优化器选择自适应学习率优化算法Adam，Adam是一种自适应参数更新算法，用于在训练过程中改变学习率的值，根据梯度的一阶矩估计和二阶矩估计提供自适应性学习率。利用训练数据集样本进行模型训练；再利用验证数据集进一步监督模型的训练情况，及时调整参数，加快训练进度；C、测量实际冲压后坯料轮廓特征点沿材料流入方向的偏移量，并将其作为训练好的BP神经网络模型输入值，输出缺陷分类...

【专利技术属性】
技术研发人员：管志平，李莹，郁咏森，李金钊，宋家旺，任明文，马品奎，赵泼，王桂英，管晓芳，
申请(专利权)人：吉林大学，
类型：发明
国别省市：